Uji Normalitas Uji Autokorelasi Uji Multikolinieritas

C. Hasil dan Pembahasan

Sebelum melakukan pengujian dengan analisis regresi berganda terlebih dahulu dilakukan uji asumsi dasar klasik yaitu uji Normalitas data, Autokorelasi, Multikolinieritas, dan Heteroskedastisitas untuk menghindari penyimpangan dalam model regresi.

1. Pengujian Asumsi Klasik

Uji asumsi klasik diperlukan agar model regresi yang diperoleh memenuhi kriteria BLUE best linier unbiased estimator. Adapun uji asumsi klasik meliputi normalitas, multikolinearitas, heteroskedastisitas, dan autokorelasi.

a. Uji Normalitas

Terdapat beberapa cara dalam mendeteksi normalitas, yaitu dengan melihat penyebaran data scatter plot pada sumbu diagonal dari grafik Santoso, 2007 : 214. Dasar pengambilan keputusannya: 1 Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. 2 Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas. Hasil uji normalitas yang terlihat pada gambar 4.1 di bawah menunjukkan bahwa data menyebar dan mengikuti arah garis diagonal, maka model regresi telah memenuhi asumsi normalitas. Gambar 4.1 Hasil Uji Normalitas Data 2003 – 2007 Normal P-P Plot of Regression Standardized Residual

b. Uji Autokorelasi

Salah satu asumsi regresi linear berganda adalah tidak terdapatnya Autokorelasi. Autokorelasi adalah korelasi antara sesama urutan pengamatan dari waktu ke waktu. Untuk mendeteksi ada tidaknya Autokorelasi maka dilakukan pengujian Durbin Watson DW dengan ketentuan sebagai berikut Santoso, 2007 : 216: 1 Angka Durbin Watson DW dibawah -2 berarti ada Autokorelasi positif. 2 Angka Durbin Watson DW diantara -2 sampai +2, berarti tidak ada Autokorelasi. Dari hasil pengolahan data diperoleh nilai Durbin Watson DW seperti pada tabel berikut: Tabel 4.3 Uji Autokorelasi Durbin-Watson Model Durbin-Watson Kesimpulan 1 2.000 Tidak ada Autokorelasi Sumber: Data diolah, Output SPSS Hasil Uji gejala Autokorelasi yang ditunjukkan dengan nilai Durbin Watson DW seperti pada tabel 4.3 di atas dapat disimpulkan bahwa pada tahun 2003 sampai dengan 2007 model regresinya tidak terdapat gejala Autokorelasi.

c. Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Tabel 4.4 Pengujian Multikolinieritas Collinearity Statistics Model Tolerance VIF Kesimpulan Working Capital Turnover .980 1.021 Tidak ada Multikolinieritas Profit Margin .998 1.002 Tidak ada Multikolinieritas Operating Assets Turnover .954 1.048 Tidak ada Multikolinieritas Firm Size .967 1.034 Tidak ada Multikolinieritas Sumber: Data diolah, Output SPSS Apabila dilihat hasil Uji Multikolinieritas pada tabel 4.4 di atas, dapat dijelaskan bahwa besaran nilai Tolerance dan Variance Inflation Factor VIF untuk seluruh tahun observasi, menunjukkan angka tolerance berada pada kisaran 0.954 sampai dengan 0.998 atau mendekati angka 1. Nilai VIF yang diperbolehkan hanya mencapai angka 10, sehingga variabel-variabel independen tersebut terbebas dari masalah multikolinieritas. Dengan demikian model regresi ini layak dipakai dalam pengujian.

d. Uji Heteroskedastisitas